기능 및 지원된 입력
Open-Science은 연구 프로젝트의 대화, 소스 파일, 문학 기록 및 생성 된 결과를 로컬 작업 공간에 제공합니다. 형성된 모형은 일을 지시합니다; Notebook 런타임, 도구 및 연결 서비스는 작업이 필요한 작업을 수행합니다. 이미 재료에서 시작점을 선택하십시오.
당신의 입력으로 시작
| 현재 위치 | 첫 번째 작업 | 자주 묻는 질문 | 자주 묻는 질문 |
|---|---|---|---|
| 연구 질문 및 몇몇 DOIs | 프로젝트 만들기; 식별자 및 검토 도서관 Inbox 후보자를 찾습니다 | 소스 검사된 독서 수집 | 제목, 저자 목록, 년 및 발행인에 대한 식별자 |
| 종이의 폴더 또는 수출 된 참조 | 문학 라이브러리의 수입 및 수집 컨트롤 사용 | 첨부된 PDF로 구성된 컬렉션 | 수입 경고, 중복 및 첨부 일치 |
| CSV 또는 TSV | 세션에 첨부하고 Notebook 분석 요청 | 데이터 감사, 결과 표 및 그림 | 값, 단위, 디노미네이터 및 저장된 파일 |
| PDF 또는 원고 | 문서에 첨부하거나 파일을 엽니다. | 패스별 설명 또는 개정 계획 | 에이전트는 전체 텍스트를 읽고 페이지를 인용 여부는 주장 |
| 순서 또는 분자 구조 | 지원되는 FASTA, PDB 또는 분자 파일을 여십시오 | 적당한 도구를 사용하여 미리보기, 검증 보고서 또는 분석 | 입력 컨벤션, 방법 요구 사항 및 도구 가용성 |
| 당신이 재사용하는 절차 | Skill 만들기 또는 가져 오기 | Reusable 지침 및 지원 파일 | 신뢰할 수 있는 상태, 필수 조건 및 알려진 입력에 대한 재판 |
| 정의된 연구 역할 | Specialist 생성 및 기능 할당 | 명시된 지시와 접근을 가진 역할 | 선택된 Skills, 연결관 및 delegated 일의 결과 |
종이에 그림과 테이블을 위해, 사용 로컬 PDF 추출. Skill 마켓플레이스을 통해 재사용 가능한 방법을 찾으십시오. 재현성과 캡처 된 결과를 확인하거나 .science 패키지을 통해 대화 및 증거를 공유하십시오.
파일을 여는 뷰어는 모델이 읽을 수 없다는 것을 보여주지 않습니다. 파일 첨부는 세션을 사용하여 작업 할 수있는 소스; 기록 된 읽기, 도구 통화 및 출력 증거를 검사하여 에이전트가 어떻게 사용했는지 설정하십시오. 정확한 확장 및 크기 제한은 파일 형식 및 제한에 있습니다.
작업 공간 객체를 이해
| 계정 만들기 | 당신은 거기에서 유지 | 다른 물체에 관계 |
|---|---|---|
| Project | 연구 목적, 튼튼한 대리인 Context, 회의 및 프로젝트 파일 | 함께 한 조사를 계속하기 위해 그것을 사용 |
| Session | 요청, 응답, 도구 활동 및 대화 지점 | 각 세션은 프로젝트에 속합니다. |
| Upload | 소스 재료의 관리 사본 | 결과에서 별도의 유지 |
| 관련 기사 | 생성된 보고, 그림, 테이블 또는 다른 파일 | 버전은 그들의 생산과 관련된 증거를 유지 |
| 문학 참조 | Bibliographic metadata, 식별자 및 부착물 | 수집에서 그것을 구성하고 프로젝트와 연관 |
| Notebook | Python 또는 R 실행 및 출력 | 세션 계산 및 실시간 변수 검사 |
| Skill | 방법 및 지원 파일 | 그것을 활성화하고 적절한 경우 작곡가에서 선택 |
| Specialist | 역할, 지침 및 선택된 기능 | 구성 및 작업에 대 한 그것을 invoke 그 역할 |
| Connector | 외부 도구 또는 데이터 서비스에 대한 액세스 | Availability는 구성, 자격 및 정책에 달려 있습니다 |
프로젝트 Description은 프로젝트를 식별하는 데 도움이됩니다. 지시를 두십시오 대리인은 Agent Context에서 따라야 합니다. 후자는 모델 컨텍스트에 포함되어 있습니다; 그것은 credentials를 저장하는 장소가 아닙니다.
작업의 의존성 만 준비하십시오.
대화는 작업 에이전트 프레임 워크와 모델 연결이 필요합니다. Python 계산은 또한 활성화된 Python Notebook 실행 시간을 필요로 합니다. 서비스 조회는 관련 Connector, 네트워크 접속 및 필요한 자격 증명을 필요로 합니다. GPU 방법은 Skill이 이미 나열된 경우에도 별도의 기계, 소프트웨어 환경 및 모델 무게를 필요로 할 수 있습니다.
문서화된 로컬 실행은 Codex 구독 및 앱 관리 Python 환경을 사용했습니다. 모델 액세스는 Python 패키지를 설치하지 않았다 : 누락 된 팬더 의존도 여전히 첫 번째 계산을 중단했다. 이 분석은 문서의 변경 없이 설치된 패키지를 변경한 후 완료되었습니다.
공급자 설정, Python 및 R 실행 시간 및 네트워크를 참조하십시오. 성공적인 모델 연결 테스트는 모든 다운스트림 서비스를 유효하지 않습니다.
결과가 준비되어 있는지 결정합니다.
저장된 출력을 열고 요청을 비교합니다. 테이블의 경우, 행 수, 단위 및 누락 데이터 처리를 확인합니다. 연구에 대한, 식별자 및 완전한 저자를 확인합니다. 코드 생성 결과를 위해, Provenance과 Notebook을 검사합니다. 부분 환경 캡처 또는 사용 가능한 증거와 같은 라벨을 검토 결과 재현성을 호출하기 전에.
형식적인 예제는 공공 연구 입력을 사용합니다:
- PRISMA 독서 수집: 3개의 진짜 종이, 검토된 도서관 기록 및 붙어 있는 발행인 PDF.
- GSE60450 RNA-seq 분석: 27,179 유전자 행, 12 샘플, 독립적으로 QC 메트릭스, 원시 카운트 및 캡처 생산 코드 검사.
먼 compute는 수집한 산출, 재시작 회복 및 취소를 포함하여 Direct SSH에 동일한 RNA-seq QC를, 보여줍니다. Slurm 계산은 서버에서 확인되었지만, 장애 스케줄러 회계는 응용 프로그램 수확을 방지합니다. 동일한 장은 또한 고립된 CUDA 환경에 있는 A100 GPU에 작은 ProteinMPNN 순서 설계를 실행합니다.
로컬 스토리지 및 외부 처리
응용 프로그램은 로컬로 작업 공간을 저장합니다. 호스팅 모델에 요청을 보낼 때, 관련 지침 및 내용이 해당 공급자로 이동합니다. 커넥터 및 원격 작업은 구성 된 서비스에 데이터를 보낼 수 있습니다. 실제 선택된 공급자 및 도구 활동을 사용하여 작업이 실행되는지 확인합니다. 로컬 저장소는 오프라인 처리를 의미하지 않습니다.
소스 리뷰: 제품 설명서, 사업 분야 및 미리보기 routing. 두 개의 연결된 사례 연구는 작업 기록과 영어 스크린 샷을 수행합니다.